Droonien ja pistepilviaineistojen hyödyntäminen metsätaloudessa (5 cr)

Objectives (course unit)

In the course, you will learn about laser scanning and the data produced with laser scanning, as well as the utilization of drones.

After completing the course, the student:
• knows the sources of open spatial data and the principles of producing airborne laser scanning data
• can integrate open spatial data with self-produced data
• has the basic skills of flying a drone and collecting drone image data
• can use photogrammetry software to produce data from close-range aerial images collected by a drone
• knows the operating principles of a terrestrial laser scanner and the possibilities of using point cloud data collected with it
• can utilize point clouds in open-source spatial data software
• can apply the above-mentioned skills in forestry applications

Content (course unit)

Key open datasets utilized in forestry, methods for collecting point clouds and three-dimensional spatial data, data processing, drones and close-range aerial imaging, airborne and terrestrial laser scanning, commercial and open-source software for data processing, data utilization, and application in forestry, Traficom's open category A1/A3 class drone remote pilot online theory exam.

Prerequisites (course unit)

Paikkatiedon perusosaaminen

Assessment criteria, satisfactory (1-2) (course unit)

The student:
-knows the sources of open spatial data
- can moderately combine open spatial data with self-produced data
- has the basic skills of flying a drone and passes the drone remote pilot online theory exam
- can guidedly collect image data with a drone and produce data using photogrammetry software
- knows the principles of a terrestrial laser scanner and the possibilities of using point cloud data
- can guidedly use point clouds in open-source spatial data software.

Assessment criteria, good (3-4) (course unit)

In addition to the above (satisfactory level), the student:
- knows the principles of producing airborne laser scanning data
- can independently combine open spatial data with self-produced data
- can fairly independently make a plan, fly a drone, and collect image data
- can produce data using photogrammetry software from close-range aerial images collected by a drone
- knows the operating principles and possibilities of using a terrestrial laser scanner
- can independently use point clouds in open-source spatial data software
- can identify forestry applications for the skills acquired during the course.

Assessment criteria, excellent (5) (course unit)

In addition to levels satisfactory and good, the student:
- can independently make a plan, fly a drone, and collect image data
- can extensively utilize point clouds in open-source spatial data software
- can apply the skills acquired during the course in a versatile manner in forestry tasks.

Location and time

Autumn semester 2023

Exam schedules

The exam will be arranged in the end of the course.

Assessment methods and criteria

Opintojakson suorittaminen edellyttää harjoitustöiden ja tentin hyväksyttyä suorittamista.
Opintojakson arvosana 0-5 muodostuu seuraavasti:
Tentti: 100 %, arviointi 0-5
Harjoitustyöt: Arviointi Hyväksytty/Hylätty.

Harjoitustöitä suoritetaan opintojaksolla kolme kappaletta.
Harjoitustyöt on palautettava sovittuun päivämäärään mennessä. Aikataulupoikkeukset hyväksyttävissä ainoastaan, mikäli niistä on sovittu etukäteen opettajien kanssa.

Assessment scale

0-5

Teaching methods

The teaching includes lectures, exercises and assignments. Exercises and assignments are done both in groups and individually.
Traficom's theory test for drone pilot certification is performed during the course. The certification is one of the course assignments.
The course exam is arranged on Moodle platform in the end of the course.

Learning materials

The study material will be available during the course on the moodle platform.
The self-study material for A1/A3 open category pilot test is provided by Traficom on droneinfo.fi -pages.
Additional recommended literature will be specified during the course.

Student workload

Lectures and exercises 50 hours.
Self-learning (incl. assignments and preparation for tests, etc.) 85 hours.

Content scheduling

Outdoor exercises are mainly during the first period, because of the more favourable weather conditions. During the second period the emphasis is on software exercises.

Completion alternatives

Työtehtävissä tai muuten hankitun opintojakson sisällön mukaisen osaamisen hyväksiluku normaalin AHOT-käytännön kautta.

Assessment criteria - satisfactory (1-2) (Not in use, Look at the Assessment criteria above)

Opiskelija:
- tietää avoimen paikkatietoaineiston lähteet
- osaa auttavasti yhdistää avointa paikkatietoaineistoa itsetuotetun aineiston kanssa
- osaa droonin lennättämisen perusteet ja läpäisee drone-kauko-ohjaajan verkkoteoriakokeen
- osaa ohjatusti kerätä kuva-aineistoa droonilla ja tuottaa fotogrammetriaohjelmistolla aineistoa
- tietää maalaserkeilaimen toimintaperiaatteista ja pistepilviaineiston käyttömahdollisuuksista
- osaa ohjatusti käyttää pistepilviä avoimen lähdekoodin paikkatieto-ohjelmistoissa

Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)

Edellä mainittujen lisäksi opiskelija
- tietää ilmalaserkeilausaineiston tuottamisen periaatteet
- osaa itsenäisesti yhdistää avointa paikkatietoaineistoa itsetuotetun aineiston kanssa
- osaa melko itsenäisesti laatia suunnitelman, lennättää droonia ja kerätä kuva-aineistoa
- osaa tuottaa fotogrammetriaohjelmistolla aineistoa droonilla kerätyistä lähi-ilmakuvista
- tietää maalaserkeilaimen toimintaperiaatteet ja käyttömahdollisuudet
- osaa käyttää itsenäisesti pistepilviä avoimen lähdekoodin paikkatieto-ohjelmistoissa
- osaa nimetä metsätalouden käyttökohteita opintojakson aikana hankitulle osaamiselle

Assessment criteria - excellent (5) (Not in use, Look at the Assessment criteria above)

Edellä mainittujen lisäksi opiskelija
- osaa laatia itsenäisesti suunnitelman, lennättää droonia ja kerätä kuva-aineistoa
- osaa hyödyntää laajasti pistepilviä avoimen lähdekoodin paikkatieto-ohjelmistoissa
- osaa soveltaa monipuolisesti opintojakson aikana hankittuja valmiuksia metsätalouden työtehtävissä